基于深度学习的遥感图像中停车场的检测研究

发布时间：2021-12-09 14:44

　　随着经济的不断发展,私家车持有量不断增长,交通网络布局与城市规划适应性矛盾突显,迅速增长的交通需求远远超过了城市交通领域基础设施的跟进建设速度,日益严峻的“停车难”问题,是便民出行的一大障碍。与此同时,飞速发展的卫星遥感技术已经成为空间对地面观测的主要技术手段和数据来源,借助遥感数据可以根据不同任务完成相对应检测。为缓解“停车难”问题,发现停车区域以及停车位资源是深度学习在遥感数据下新的挑战。因此,本文将深度学习理论应用到遥感图像中停车场的识别问题,给出基于深度学习的遥感图像车辆检测方法,同时借助数据挖掘算法实现对遥感数据下停车区域、停车位资源的发现和识别。针对传统目标检测算法在识别遥感图像小目标物准确性低、速度慢的缺点,本文将深度学习理论与遥感图像目标检测任何结合,采用Darknet深度学习框架对基于回归的YOLO模型进行构建和改进,添加了残差结构,使模型的mAP达到了94%,调整了模型输入限制,加入了图像剪裁拼接的功能,同时建立用于实验的遥感数据集,得到遥感图像汽车检测模型。针对遥感图像汽车检测模型输出结果,采用数据挖掘技术以及遥感图像停车区域发现方法和遥感图像停车位预测方法,对结... 

【文章来源】：青岛大学山东省

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

LeNet-5模型

ReLU函数图像

YOLOv3结构图

【参考文献】：
期刊论文
[1]智能交通管理中停车诱导系统的有效应用[J]. 郝菊香,张潇,姬文宝.  科技风. 2020(06)
[2]对于停车场区域优化模型研究[J]. 翟庭钰,曾钰洁,王森正.  科技风. 2020(06)
[3]基于特征融合卷积神经网络的车型精细识别[J]. 李致金,张亮,武鹏,丁春健.  计算机工程与设计. 2020(01)
[4]基于STM32的智能停车场管理系统设计[J]. 苏康友,陈国润.  电子世界. 2020(01)
[5]基于物联网的智能停车场系统分析[J]. 邱燕霞.  江西建材. 2019(12)
[6]高架桥下模块化立体停车场设计[J]. 杜鹤蒞.  设计. 2019(20)
[7]基本车位和出行车位的计算方法及应用[J]. 秦莉,刘淑永,王田田.  交通与运输. 2019(06)
[8]基于深度卷积神经网络的停车位检测[J]. 王马成,黎海涛.  电子测量技术. 2019(21)
[9]基于深度学习的高速服务区车位检测算法[J]. 邵奇可,卢熠,陈一苇.  计算机系统应用. 2019(06)
[10]十字路口停车场的研究[J]. 霍超洲,刘蓟南,张千宇.  湖北农机化. 2019(11)

硕士论文
[1]基于深度学习的卫星遥感图像舰船检测[D]. 张靖奇.哈尔滨工业大学 2019
[2]基于改进的卷积神经网络的违章停车检测[D]. 唐洁.安徽大学 2019
[3]基于地磁传感器和卷积神经网络的停车检测方法研究[D]. 孔令燃.华中科技大学 2018



本文编号：3530818